Les entreprises se tournent vers l'IA open source pour gagner en flexibilité et réduire leurs coûts. Cette tendance menace la viabilité d'OpenAI et d'Anthropic

Qui tablaient sur des profits massifs

De nombreuses entreprises délaissent les systèmes d'IA fermés et coûteux au profit de modèles d'IA en accès libre. Le géant de la téléphonie mobile AT&T explique avoir gagné en flexibilité et réduit ses dépenses opérationnelles de 80 % après l'adoption de modèles à poids ouverts. Si les modèles fermés dominent encore les tâches complexes, les systèmes ouverts, notamment ceux venant de Chine ou de Meta, gagnent du terrain grâce à leur efficacité et leurs faibles coûts. Cette tendance provoque l'effondrement des coûts des tokens. Le contexte fait planer le doute sur la survie des acteurs de la bulle de l'IA, comme OpenAI et Anthropic, qui espéraient des profits massifs.

Des entreprises majeures ont commencé à modifier leur stratégie en matière d'IA. Microsoft a mis en place des budgets de jetons d'IA pour ses employés, puis a fait du GPT-5.6, moins coûteux, son modèle interne par défaut, tout en précisant que « le tokenmaxxing n'est pas notre objectif ». D'un autre côté, certaines organisations intègrent de plus en plus des modèles à poids ouverts dans leurs pipelines pour réduire les coûts et gagner en flexibilités.

Le géant de la téléphonie mobile AT&T a choisi la seconde voie. AT&T a utilisé pendant des années les modèles d'IA fermés et payants développés par Anthropic et OpenAI pour le service client, la transcription d'appels et la programmation. Cependant, l'entreprise a récemment annoncé avoir changé de cap.

Face à l'augmentation spectaculaire des coûts de ces technologies, le responsable des données et de l'IA chez AT&T, Andy Markus, a recherché des alternatives plus économiques et s'est tourné vers des modèles ouverts, téléchargeables et modifiables gratuitement sans approbation préalable. Cette transition s'accélère : l'utilisation des modèles ouverts est passée de 20 % en mai à 40 % récemment, et pourrait atteindre 60 % dans les prochains mois.

Andy Markus a exprimé son optimisme quant à l'avenir de cette technologie : « nous pensons que cela pourrait aller beaucoup, beaucoup plus haut ». Cette décision permet désormais à AT&T d'économiser jusqu'à 80 % sur ses dépenses en IA par rapport au début de l'année. Dans les commentaires en ligne, des administrateurs système rapportent qu'ils tentent de convaincre leurs patrons d'investir dans du matériel capable d'exécuter l'IA en local.

Des géants tels que Deloitte et Airbnb choisissent eux aussi des modèles ouverts pour leur facilité de personnalisation et leur coût réduit. Les données américaines de la plateforme OpenRouter confirment cette tendance massive, révélant que la part des modèles ouverts dans l'usage global de l'IA est passée à 58 % en août 2026, contre 10 % il y a un an. Les experts s'attendent à ce que les modèles ouverts dominent bientôt le marché professionnel.

Signe de l'importance croissante du marché des modèles d'IA à poids ouverts, le fabricant de puces Nvidia a récemment annoncé l'acquisition de la célèbre bibliothèque de modèles ouverts Hugging Face pour la somme de 12,9 milliards de dollars. À cette occasion, le PDG de Nvidia, Jensen Huang, a déclaré : « ensemble, nous rendrons l'IA plus ouverte, plus performante et plus accessible aux personnes et aux institutions du monde entier ».

Les spécificités techniques et les avantages des modèles ouverts

Les modèles d'IA ouverts se présentent sous deux formes distinctes. D'une part, les modèles d'IA à code source ouvert rendent leur code informatique public. D'autre part, les modèles à poids ouverts publient leurs "poids", c'est-à-dire les calculs numériques qui orientent leur raisonnement. Alors que les Big Tech et les laboratoires américains gardent leurs modèles fermés, le secteur chinois de l'IA mise massivement sur les modèles à poids ouverts.


Clément Delangue, PDG de Hugging Face, a déclaré que la Chine domine le marché des modèles à poids ouvert et pourrait dépasser les laboratoires américains de pointe avant la fin de l’année. « Ils dominent clairement le domaine des modèles ouverts à l’heure actuelle, et je ne serais pas surpris qu’ils commencent à dominer également dans le domaine de l'IA de pointe d’ici la fin de cette année ou l’année prochaine, au vu du rythme des progrès ».

« Les créateurs de modèles américains, en revanche, travaillent en silos et risquent de prendre du retard », a ajouté Clément Delangue. Plutôt que de payer plusieurs millions de dollars de frais d'utilisation ou d'abonnements imposés par OpenAI et Anthropic pour des modèles fermés, les développeurs peuvent désormais télécharger des modèles conçus par des entreprises chinoises de premier plan, telles que Moonshot AI, Z.ai, DeepSeek ou Alibaba.

Ils peuvent ainsi bâtir leurs propres services en ne payant principalement que pour l'hébergement serveur. Ces alternatives ouvertes s'avèrent de plus en plus compétitives face aux leaders du marché. Jerry Tang, le directeur général de la startup Atlas Cloud, a récemment rapporté que certains modèles ouverts chinois atteignent désormais 80 % à 90 % de la puissance des modèles fermés d'OpenAI et d'Anthropic, pour seulement 20 % de leur prix.

Pour illustrer cette différence de coût et d'utilité, Jerry Tang compare les modèles haut de gamme fermés à des voitures de sport onéreuses, souvent superflues, en affirmant : « les Mazda font un excellent travail pour vous amener là où vous devez aller, et les Maserati ne valent tout simplement pas l'investissement ». En outre, le dirigeant ajoute que « les modèles ouverts offrent un meilleur rapport qualité-prix », ce que recherchent les entreprises.

De plus, l'accessibilité de ces technologies s'accroît puisque de nombreux modèles ouverts peuvent désormais fonctionner localement sur un simple téléphone portable ou un ordinateur portable, tels que les nouveaux ordinateurs Mac Mini et Mac Studio d'Apple, tandis que les modèles fermés dominants deviennent plus complexes et exigent une puissance de calcul toujours plus élevée. Dans ce contexte, les entreprises adoptent une approche hybride.

Dans cette configuration, les modèles fermés sont réservés pour les tâches lourdes telles que la programmation ou la génération d'images et de vidéos, tandis que les systèmes ouverts exécutent les tâches plus simples et spécialisées. Cela permet aux entreprises de maîtriser leurs dépenses opérationnelles en IA.

Les implications industrielles et le débat politique sur la régulation

Cette transition massive vers le modèle ouvert représente un défi stratégique pour OpenAI et Anthropic, deux entreprises qui préparent leur introduction en bourse et qui doivent maintenir des tarifs élevés pour financer leurs dépenses colossales en recherche, développement et puissance de calcul. Ce changement a été particulièrement accéléré l'année dernière par la startup chinoise DeepSeek avec la sortie de son modèle populaire DeepSeek-V3.

Ce dernier s'est distingué en offrant des performances proches des modèles propriétaires les plus avancés tout en nécessitant moins de ressources de calcul, permettant ainsi aux technologies chinoises de rattraper les systèmes d'Anthropic, d'OpenAI ou de Google. Toutefois, de nombreuses entreprises américaines restent réticentes à l'idée d'utiliser des modèles chinois en raison de craintes liées à la réglementation et à la protection des données.

C'est le cas d'AT&T, qui étudie ces technologies, mais refuse de les déployer. L'entreprise préfère personnaliser des alternatives américaines populaires comme le modèle Gemma de Google ou les modèles Llama de Meta pour concevoir des outils de transcription et d'aide au service client. Pour rivaliser dans ce domaine, Meta a récemment publié les poids de son modèle le plus avancé, à coût inférieur à celui d'autres systèmes américains majeurs.

Le PDG de Meta, Mark Zuckerberg, a déclaré à ce sujet : « je ne crois pas que restreindre l'accès aux modèles étrangers à code source ouvert soit une solution efficace », ajoutant que « notre objectif devrait être que les modèles américains à code source ouvert soient les meilleurs au monde ». Enfin, la montée en puissance des systèmes ouverts alimente un vif débat à Washington et au sein de la Silicon Valley concernant le contrôle de l'IA.

Tandis que le PDG d'Anthropic, Dario Amodei, soutient qu'une réglementation stricte de l'IA est indispensable pour protéger la sécurité nationale, d'autres figures de l'industrie comme Jensen Huang (Nvidia) ou Mark Zuckerberg (Meta) estiment que le partage libre et les technologies ouvertes sont cruciaux pour garantir un écosystème d'IA démocratique et équilibré. La position alarmiste de Dario Amodei est parfois vivement critiquée.

Les prix des tokens IA ont atteint des niveaux historiquement bas

Dans le domaine des grands modèles de langage (LLM), un token est une unité de texte que le modèle d'IA utilise pour lire et générer du langage naturel. Ce n'est pas forcément un mot entier : ça peut être un mot, une partie de mot, un signe de ponctuation ou même un espace. En anglais, un token correspond en moyenne à environ quatre caractères. En français, à cause des accents et de la conjugaison plus riche, le ratio est souvent moins efficace.

Les premiers modèles de pointe coûtaient des dizaines de dollars par million de tokens. Aujourd'hui, des modèles très performants sont proposés pour quelques dollars, voire moins d'un dollar par million de tokens pour les versions les plus légères. Plusieurs facteurs expliquent cette chute : l'amélioration de l'efficacité des architectures, la concurrence accrue entre fournisseurs, et les progrès matériels sur les accélérateurs dédiés à l'inférence de l'IA.

Une analyse récente du marché montre que cette tendance à la baisse se poursuit. LLM Token Expenditure Index, l'indice de référence de Silicon Data qui suit quotidiennement les tarifs des tokens d'IA, a franchi un cap historique à la baisse en s'établissant à 97 cents par million de tokens le 1er septembre 2026.

Plusieurs forces conjoncturelles et structurelles expliquent cette glissade rapide des tarifs sur le marché. Tout d'abord, la prolifération rapide des modèles d'IA à poids ouverts chinois à bas coût, à l'instar du modèle Kimi K3 de Moonshot AI, a exercé une forte pression à la baisse sur l'ensemble des prix. De plus, le leader du secteur, OpenAI, a consenti à des baisses de prix significatives sur deux de ses modèles GPT-5.6 à la fin du mois de juillet 2026.

Par ailleurs, d'autres laboratoires d'IA de pointe ont mis en place des structures de tarification dynamique ajustant les tarifs selon les fluctuations de la demande. Enfin, la réduction globale des coûts de production des tokens à travers l'ensemble de l'industrie technologique contribue directement à cette érosion.

Steve Hou, directeur de la recherche chez Silicon Data, a déclaré que cette baisse pourrait indiquer que l’offre existante, tant pour les modèles de pointe que pour les modèles à moindre coût, est déjà suffisante pour traiter la plupart des tâches. Si cette dynamique est une bonne nouvelle pour les utilisateurs finaux, ce n'est pas peut-être le cas pour les laboratoires tels qu'OpenAI et Anthropic, qui doivent encore démontrer leur rentabilité.

Une pression accrue sur les revenus de grands laboratoires d'IA

Cette tendance représente en revanche un défi majeur pour les entreprises qui conçoivent les modèles d'IA. En habituant les consommateurs à des...